基于改进神经网络算法的英语数字资源个性化推荐方法

为了有效解决英语数字资源的个性化推荐结果不准确等问题,文章提出一种基于改进神经网络算法的英语数字资源个性化推荐方法。计算时间序列内滑动窗口内的数据均值,获取起始序列向量;将用户行为加以分类处理,形成多个规格一致的时间片,采用取样法对用户群体进行统计,得到各类型用户的行为状态定性;将平均查询频率作为标准,观察用户的查询行为特征,得到用户行为特征挖掘结果。在改进神经网络中引入元数据概念,构建以数字资源为基础的英语数字资源本体,对用户偏好以及英语数字资源本体双重聚类后,匹配类之间的拟合关系,确定最终推荐的英语数字资源。应用结果表明,该方法可有效提升英语数字资源个性化推荐的质量,减少个性化推荐耗时。

基于改进神经网络算法的重型车辆NOx排放预测方法

针对传统方法在重型车辆NOx排放预测中应用效果不佳,均方根误差比较大的问题,文章提出了基于改进神经网络算法的重型车辆NOx排放预测方法。该方法利用无线传感器采集到重型车辆运行数据,包括排量、温度、马力、车速,建立预测样本数据集,然后采用小波阈值降噪技术对原始数据滤波处理,并利用改进后的神经网络算法确定各个变量与车辆NOx排放相关性,进而预测出重型车辆NOx排放量,以此完成基于改进神经网络算法的重型车辆NOx排放预测。实验结果表明,文章设计方法均方根误差在0.1以内,具有较高的预测精度。

基于改进神经网络算法的PM2.5污染信号分析检测

当前为了保证污染信号分析的精度,在对PM2.5污染进行检测的过程中,需处理的数据量过大,导致经典神经网络方法遇到矛盾数据时,需要花费大量的数据校验时间,收敛速度下降,检测效率大幅降低,提出一种基于改进神经网络算法的PM2.5污染检测方法,在分析标准神经网络算法的基础上,允许信号跳变精确度范围内,在层与层之间引入容错性变量,同时在计算阈值的过程中融入松弛变量,提高收敛速度;避免神经网络陷入局部最优解;采用改进神经网络算法,通过不断调整网络的权值以及污染阈值,对PM2.5污染信号进行高效检测;以飞利浦公司的新一代检测系统为测试器材,测试结果表明,采用所提方法得到的PM2.5污染检测效率明显提高。

基于改进神经网络算法的微博热点预测系统设计

针对传统预测系统一直存在预测结果不准确、系统稳定性差的问题,提出并设计了基于改进神经网络算法的微博热点预测系统,其硬件部分主要对数据采集模块、微博信息传播趋势分析模块、微博热点判别模块进行了分析并设计,软件部分主要引进了改进神经网络算法,对原有系统进行了优化。实验结果表明,采用改进系统对微博热点进行预测时,其预测稳定性相比传统预测系统要优越,在相同时间内,出现波动的次数降低了2~4次,具有一定的优势。

基于改进神经网络算法的低压抗直流互感器动作行为检测

传统的低压抗直流互感器动作行为检测方法中使用的算法容易陷入局部最小,所得的检测结果误差较大,以改进神经网络算法为基础,设计一种低压抗直流互感器动作行为检测方法。设计低压抗直流互感器动作行为检测装置,设计电压源、调压器以及升流器电路连接,加入二极管判断电流走势,在改进神经网络算法的基础上优化动作行为检测流程,将BP神经网络与粒子群算法相结合,利用粒子群算法改进神经网络各层阈值以及连接权重进行编码,根据得到的检测结果对低压抗直流互感器动作行为分类,判断出故障动作和保护动作。通过对不同低压抗直流互感器类型完成测试,结果表明,与传统方法相比,设计方法在电压检测过程中与数字万用表测得值之间的误差更小,验证了设计方法在实际检测中的准确性。

用改进粒子群神经网络混合算法优化特高压油气套管均压球结构

在我国特高压(ultra-high voltage,UHV)油气套管样机的试制过程中,套管尾部电场分布和均压球结构的优化是一项重要的研究内容。为此,详细介绍了改进粒子群神经网络混合算法(PSO-BP算法)的基本原理和流程,运用连续显式函数验证了该算法的寻优能力和准确度;并运用该算法对套管尾部均压球结构进行了优化。研究表明:PSO-BP算法能较准确地搜寻到显式函数的极值点,具有较强的挑出局部最优解的能力;需用套管3维全模型才能较准确地计算得出套管尾部的电场分布;PSO-BP算法能有效搜寻到均压球结构参数的最佳配置;优化后均压球表面的最大电场强度较优化前降低了约64.9%,且PSO-BP算法较传统PSO算法可节省约75.2%的计算时间。该研究结果已成功运用于特高压油气套管样机的试制并完成了全部型式试验。

基于改进神经网络的图像生物特征识别方法

在图像的固定生物特征识别过程中,传统的识别方法针对像素质量不高的问题,很难建立完整的寻优计算过程,识别效果不好。提出基于改进神经网络算法的图像特征识别方法。通过量子计算对神经网络进行优化,优化神经网络在特征识别中的阀值确定过程,完成图像识别。实验结果表明,利用改进的算法进行图像特征识别,能够极大的提高生物特征识别的准确性,扩展了应用的范围。

基于改进BP神经网络算法的永磁同步电动机速度控制系统的优化设计

该文作者以永磁同步电动机的转速控制系统为例,运用改进BP神经网络算法对转速控制器的PI参数进行了优化设计,同时使用MATLAB语言分别对采用常规工程设计法与改进BP神经网络算法所得到的阶跃响应曲线以及这两种设计方法所得到的时域性能指标进行了仿真分析和比较,通过比较可以看出:采用改进BP神经网络算法确能达到进一步优化调速系统性能的目的。

基于改进BP神经网络算法的岸电电源智能输出控制的研究

船舶岸电技术是指允许装有特殊设备的船舶在泊位期间接入码头陆地侧电网的技术。船舶靠港时直接接用港口码头陆上电源,可在很大程度上降低靠港船舶供电系统的运行和维护成本,并提高能源利用效率。对国内、外港口船舶岸电系统应用情况和岸电技术存在的问题进行分析,基于改进BP神经网络算法的内模控制器设计了一种船舶岸电电源智能输出控制系统,并分别通过轻载实验和重载实验对该智能输出控制系统的功能进行了验证,证明其能有效控制船舶岸电电源的输出。

基于改进型PSO-BP神经网络算法的水质评价

环境污染现在是大众所关注的一个重要的问题,需要拿出科学的方法和手段应对这个问题。文中提出了一种改进型的PSO-BP神经网络相结合的环境质量评价方法,以大理的洱海水域为例,选取了实际的水质监测数据作为样本,进行了系统的分析。通过对传统的BP神经网络法、PSO-BP神经网络和改进型PSO-BP算法三种方法应用结果的对比,本文得出改进的PSO-BP神经网络方法在相同精度下拥有更高的效率。

基于改进神经网络的机身镀层抗冲击性能预测

为准确预测机身镀层抗冲击性能,以40Cr钢为机材,用超声电沉积技术制备Ni-SiC纳米镀层,并进行真空热处理,用平头弹、尖头弹冲击Ni-SiC纳米镀层。用粒子群算法改进RBF神经网络,结合AdaBoost算法构建机身镀层抗冲击性能的预测模型。将Ni-SiC纳米镀层工艺参数及冲击速度作为模型输入,进行Ni-SiC纳米镀层的抗冲击性能预测。结果表明:改进RBF神经网络的最优网络结构为3-10-1,预测误差为0.055%~1.570%,预测精度高;在SiC纳米粉体为8 g/L、电流密度为3 A/dm^(2)、镀液温度为40℃条件下制备的Ni-SiC纳米镀层形貌最优;以不同速度冲击Ni-SiC纳米镀层,平头弹均未断裂,尖头弹不同程度断裂。

基于改进BP神经网络的电气火灾预警系统

针对低压配电电气火灾预警问题,提出了基于PLC的电气火灾预警系统。该系统采用基于改进BP神经网络的算法进行控制。对系统的总体设计方案、控制算法的仿真以及上位机软件系统设计进行了详细的阐述。

结合面法向和切向接触刚度的MPSO-BP神经网络算法的建模

提出一种基于改进的粒子群和BP神经网络相结合的算法模型,用改进粒子群优化算法优化BP神经网络参数。以机械结合面法向接触刚度和切向接触刚度作为算例。考虑结合面配对副材料、接触载荷、表面加工方法、表面粗糙度和结合面间的介质作为主要因素,对8组结合面法向和切向接触刚度进行预测建模,并对仿真与实验结果进行比较与误差分析。结果表明,该方法实现了多种影响因素组合下的机械结合面法向和切向接触刚度较高精度的建模和预测。

改进粒子群-BP神经网络模型的短期电力负荷预测

为了准确、快速、高效地预测电网短期负荷,提出了改进的粒子群算法(MPSO),并与BP算法相结合,形成改进的粒子群—BP(MPSO-BP)神经网络算法,用此算法训练神经网络,实现了神经网络参数优化,得到了基于MPSO-BP算法的神经网络模型。综合考虑气象、天气、日期类型等影响负荷的因素,进行电网短期负荷预测。算例分析表明,与传统BP神经网络法和PSO-BP神经网络方法相比,该方法改善了BP神经网络的泛化能力,预测精度高,收敛速度快,对电力系统短期负荷具有良好的预测能力。

基于改进神经网络的三字词声调识别方法

汉语连续语音三字词声调由于受声道响应、音连、变调规律等的影响,情况较复杂,声调模式间交集大,模糊性强。提出了一种基于动态时间规整和改进神经网络的声调识别算法。实验表明,该算法可得到较好的识别效果,对探讨具有汉语特色的新的语音识别方法有重要意义。

基于神经网络的重构指令预取机制及其可扩展架构

针对动态可重构处理器的配置信息加载延时,提出了一种基于神经网络的可扩展的重构指令预取机制.增加感受器的历史指令信息,并结合感受器权重构建新型的感受器模型,通过权重与历史指令信息的协同训练学习重构指令调用规律.在处理器运行过程中,提前完成对后续重构指令的预测及配置信息的预取,隐藏指令重构成本.进一步提出了本方法的可扩展实现框架,神经网络的学习结果作为重构指令的关联信息,被移至内存并分布式存储.在重构指令预取时,完成对神经网络学习信息的加载.实验结果表明,该方法对重构指令的预测准确率达91%,综合性能平均提升40%.

基于改进模糊神经网络的港口物流功能评价模型研究

针对模糊神经网络算法处理高维耦合港口物流功能评价模型时出现不能较好地识别和利用信息、应用新知识的能力与学习新知识的能力不平衡等多重问题,研发出改良模糊神经网络算法。这种方法利用了改进的自适应交叉和变异算子,且将其应用于模拟退火机制对传统遗传算法进行改进,利用改进过的新算法所发出的属值进行自动调整,仿真验证所使用的软件是Matlab2016b,使高维耦合港口物流功能评价过程中泛化能力与学习能力失衡等问题得到有效解决,并在诸多方面具有显著优势,例如较强的稳定性和干扰抵抗能力,以及高效的搜索能力等。论文将研究对象确定为国内东北地区的某综合性港口,在研究过程中用于开发验证环境的平台是Eclipse,选择的分析方法是实证法,通过最终获得的结果可知,文中建立的模型能够对港口物流功能进行全面评价,在评价适应性、模型拟合度、并行搜索效率等方面具有明显优势。

基于神经网络的预分解窑系统分解炉出口温度建模

在对水泥预分解窑系统的结构与工艺流程进行分析的基础上,分别利用BP神经网络、模糊神经网络和改进的遗传算法神经网络建立预分解窑系统分解炉出口温度控制模型。通过对仿真结果的对比分析,发现改进的遗传算法神经网络具有更好的温度控制精度和准确度。

基于改进BA-PNN的智能变电站二次设备故障定位方法

针对概率神经网络(PNN)在二次设备故障定位中训练规模较大、容易受到平滑因子干扰的问题,提出了一种基于改进蝙蝠算法优化概率神经网络(BA-PNN)的智能变电站二次设备故障定位方法。首先,在PNN的求和层中采用拉普拉斯分布代替高斯分布,并用BA算法来获得最优平滑因子,进而提出一种改进蝙蝠算法优化概率神经网络方法;其次,基于智能变电站中二次设备的特征分析,选择故障特征量并对其映射,建立了基于BAPNN的智能变电站二次设备故障定位模型;最后,以某智能变电站故障定位为例,对BA-PNN神经网络进行样本训练,实现对故障元件的精确定位。仿真表明,该方法缩小了神经网络的训练规模,提升了神经网络的计算性能,增强了故障定位的准确性。

改进BP神经网络算法用于GPS高程转换的应用

介绍了用改进的BP神经网络算法转换GPS高程为正常高,并以青东煤矿首采工作面地表移动观测站的GPS数据为例,与标准的BP算法和多项式曲面拟合方法作比较,改进的BP算法在转换GPS高程中减少了BP神经网络的训练时间,提高了转换效率,且精度良好,可用于GPS高程转换。